基于機會螞蟻群集的多頻段融合GPS弱信號跟蹤采集

,, ,

(1.太原理工大學(xué) 電氣與動力工程學(xué)院,太原 030024;2.煤礦電氣設(shè)備與智能控制山西省重點實驗室,太原 030024;3.山西太原天地方圓電子科技有限公司,太原 030024)

0 概述

GPS是目前應(yīng)用最廣泛的一種衛(wèi)星導(dǎo)航系統(tǒng),在煤礦安全[1]、現(xiàn)代化工業(yè)制造、運輸和社會生活[2]等各個行業(yè)領(lǐng)域?qū)Χㄎ慌c導(dǎo)航的依賴性越來越強,而GPS擔(dān)任著重要角色,正發(fā)揮著關(guān)鍵作用。

在GPS定位過程中,如何分配資源、控制信號傳輸過程以便提供定位精度成為關(guān)鍵因素之一。文獻[3]將螞蟻算法應(yīng)用于動態(tài)虛擬仿真建模,結(jié)合指引因子螞蟻算法提出了一種的可行的有效的仿真資源分配方案。文獻[4]針對高速無線網(wǎng)絡(luò)的用戶規(guī)模對資源分配和信號傳輸?shù)闹萍s問題,提出了一個獨特的蟻群優(yōu)化方法,可以有效連續(xù)消除干擾。但是上述文獻的螞蟻算法的復(fù)雜度和自適應(yīng)能力并未得到深入分析。文獻[5]提出基于連通性保持的分布式群集控制協(xié)議,該協(xié)議不僅光滑有界有效消除了抖振現(xiàn)象,而且基于群集控制實現(xiàn)了目標個體運動和系統(tǒng)拓撲管理。因此,群集系統(tǒng)與分群運動相結(jié)合[6], 進行目標運動建模和管理控制成為有效解決方案。為了消除二階多自主體系統(tǒng)的干擾,文獻[7]基于個體局部信息,研究一種分布式控制協(xié)議。該協(xié)議可以在外界干擾的環(huán)境中依然滿足領(lǐng)航者自主群體群集運動同步條件。

在GPS定位與跟蹤應(yīng)用中,弱信號是約束GPS信號檢測與采集的重要因素。文獻[8]的弱信號恢復(fù)方法充分發(fā)揮三維曲波變換傳統(tǒng)的優(yōu)勢,有效解決了強噪聲環(huán)境的弱信號檢測與修復(fù)問題。但是,隨著GPS信號強度的降低,容易被噪聲淹沒,因此,文獻[9]借助杜芬振子及其高敏感特性,建立一種變相位周期策動力杜芬振子弱信號檢測方法。該方法很難高效實現(xiàn)多徑干擾和惡劣復(fù)雜環(huán)境 GPS 信號的跟蹤,于是文獻[10]將碼環(huán)跟蹤鑒相算法與修正因子相結(jié)合,實現(xiàn)了多徑干擾下 GPS 弱信號的跟蹤。文獻[11]針對信號漂移現(xiàn)象,通過將長時間壓縮感知跟蹤與檢測相融合,準確捕獲復(fù)雜或被隱蔽的目標。文獻[12]分析了限制相干積分在采集算法由于導(dǎo)航數(shù)據(jù)位符號化,提出了一種新的并行采集與轉(zhuǎn)換檢測算法,以便克服位符號化的局限性。文獻[13]通過重新縮放和自適應(yīng)隨機共振,提出了一種新的全球?qū)Ш叫l(wèi)星系統(tǒng)弱信號捕獲方法,解決全球?qū)Ш叫l(wèi)星系統(tǒng)難以采集高靈敏度信號的問題。然而,GPS信號遇到多徑傳播時,接收到的波形容易發(fā)生扭曲失真,降低信號采集精度,文獻[14]將貝葉斯估計和伯努利高斯-拉普拉斯分布相結(jié)合,有效提高了GPS信號跟蹤敏感度。文獻[15]提出了一種空間常見的稀疏基于大規(guī)模多輸入多輸出頻分雙工自適應(yīng)信道估計和反饋方案系統(tǒng),以適應(yīng)訓(xùn)練開銷和導(dǎo)頻設(shè)計可靠性估計,降低了下行鏈路的信道狀態(tài)信息開銷。

上述研究成果對于GPS弱信號的提取和多頻段對信號檢測、采集及跟蹤性能的影響未做詳細分析,因此,本文建立機會螞蟻群集網(wǎng)絡(luò)模型,研究多頻段融合模型,從而提出基于機會螞蟻群集的多頻段融合GPS弱信號跟蹤采集算法。

1 機會螞蟻群集模型

基于螞蟻群集算法為信號檢測與跟蹤提供元數(shù)據(jù)時,以下3個關(guān)鍵因素可能會制約螞蟻個體行為分析精度和群體感知能力:1)時變的信號強度;2)動態(tài)的目標軌跡;3)未知的外界干擾和內(nèi)部信號失真。上述3個方面因素會隨著螞蟻群體狀態(tài)的變化而不同程度地影響螞蟻群體規(guī)模和螞蟻個體行為的可識別性,在最壞情況下將嚴重制約螞蟻群集性能。

基于上述3個方面因素,根據(jù)信號源的時空軌跡和相鄰螞蟻個體狀態(tài),以改善螞蟻群集信號捕捉能力和元數(shù)據(jù)精度為目標,對螞蟻群集進行優(yōu)化和重組。

螞蟻群集網(wǎng)絡(luò)系統(tǒng)架構(gòu)如圖1所示。其中,有5個螞蟻個體目標分別是a、b、c、d、e。2個螞蟻目標之間的實線箭頭表示螞蟻間有信號傳輸,并定義了傳輸方向。2個螞蟻目標之間的虛線表示螞蟻間的信號時變軌跡,且信號傳輸方向未知。hi表示信號輸入強度。ho表示信號輸出強度,螞蟻個體目標d和e可以向外拓展,與其他螞蟻群集建立網(wǎng)絡(luò)架構(gòu)。

圖1 螞蟻群集系統(tǒng)架構(gòu)

從信號強度的時變特性和螞蟻個體動態(tài)的目標軌跡角度出發(fā),每個螞蟻個體的狀態(tài)表征受到各種外界因素約束和信號失真條件限制,這種限制條件組成了一個螞蟻群集網(wǎng)絡(luò)架構(gòu)多時空、高維度的隨機過程。該過程如式(1)所示。

(1)

其中,SC表示螞蟻群集信號強度,dS表示信號維度,Tt表示信號的時間軌跡,TS表示信號的空間軌跡,Mef表示外界干擾因素矩陣,ML_sd表示信號失真矩陣。

函數(shù)Ht(x,y)可以統(tǒng)計螞蟻群集網(wǎng)絡(luò)內(nèi)部信號發(fā)送隨機序列及信號強度,函數(shù)gt(x,y)可以統(tǒng)計螞蟻群集網(wǎng)絡(luò)外部信號發(fā)送隨機序列及信號強度。

由式(1)可以發(fā)現(xiàn),螞蟻群集信號強度變化具有非線性特征,結(jié)合信號時變和螞蟻個體軌跡變化,發(fā)現(xiàn)單個螞蟻的隨機性和螞蟻群集網(wǎng)絡(luò)系統(tǒng)狀態(tài)受到多種因素約束和限制,例如螞蟻群集所處外界環(huán)境、信號軌跡控制等。因此,當(dāng)信號在螞蟻群集網(wǎng)絡(luò)中轉(zhuǎn)發(fā)時,任意2個螞蟻個體根據(jù)信號的隨機軌跡,可以機會地加入傳輸路徑,以便降低外界干擾因素對函數(shù)Ht的影響和信號失真對函數(shù)gt的干擾,機會過程控制如圖2所示。其中,在信號發(fā)送節(jié)點與接收節(jié)點之間由機會螞蟻群集網(wǎng)絡(luò)覆蓋。W表示激活狀態(tài)的螞蟻個體目標,C表示候選螞蟻個體目標,實線矩形中是處于工作狀態(tài)的螞蟻群集網(wǎng)絡(luò),該網(wǎng)絡(luò)根據(jù)式(1),機會地從候選C螞蟻個體群中選擇最佳螞蟻個體加入新的螞蟻群集網(wǎng)絡(luò),從而形成虛線矩形所示的機會螞蟻群集網(wǎng)絡(luò)。

圖2 螞蟻群集機會控制過程

因此,機會螞蟻群集信號強度SC_O可由式(2)計算得到。

(2)

其中,δ表示外界干擾因素的信號輸入機會權(quán)重系數(shù),ρ表示信號時變軌跡的信號輸出機會權(quán)重系數(shù)。

2 多頻段融合GPS弱信號跟蹤采集算法

基于機會螞蟻群集網(wǎng)絡(luò)架構(gòu)的GPS信號頻域表征傳播過程具有式(3)所示的特點。

(3)

其中,Fq表示各射頻頻段的上限值,Si表示GPS信號采樣樣本點功率,SSi表示信號序列,α表示GPS信號與螞蟻個體目標天線夾角,K表示信號序列長度,n表示樣本點數(shù),x(f)表示GPS信號發(fā)送強度,y(t)表示機會螞蟻群集輸出信號強度,IS表示GPS信號多頻段頻域上的信號強度特征,IS[0]表示GPS弱信號頻域表征傳播過程,將其作為GPS信號跟蹤的初始值,可由機會螞蟻群集的輸出信號計算得到。

因此,基于機會螞蟻群集網(wǎng)絡(luò)架構(gòu)的GPS信號頻域跟蹤流程模型如圖3所示。其中,弱信號頻域融合可由式(4)結(jié)合如圖4所示流程加以完成,生成有助于提高GPS弱信號采集和跟蹤的弱信號融合體。

圖3 頻域GPS信號跟蹤流程

(4)

其中,SW_F表示弱信號頻域融合體,β表示提取弱信號的相位偏移弧度。

圖4 GPS弱信號融合體生成流程

綜上,多頻段融合GPS弱信號跟蹤敏感度ST如式(5)所示。

(5)

其中,根據(jù)GPS信號序列長度和樣本數(shù)的比值,結(jié)合頻段上限和外界干擾矩陣的秩,判斷多頻段。采集GPS弱信號形式如式(6)所示。

(6)

其中,R(ML_sd)表示矩陣ML_sd的秩。

3 算法性能分析

仿真實驗全面分析了機會螞蟻群集算法(記為OAC)的平均執(zhí)行時間,多頻段融合GPS弱信號跟蹤采集算法(記為MDF)的跟蹤精度和信號采集敏感度。同時,機會螞蟻群集算法的平均執(zhí)行時間與靜態(tài)螞蟻群集算法(記為SAC)進行比對,所提算法的跟蹤精度和信號采集敏感度與未提取GPS弱信號的跟蹤采集算法(記為NE-WS)進行了比對。

使用 Matlab的Simulink進行GPS信號的建模和仿真,再結(jié)合數(shù)學(xué)分析,驗證和測試本文提出算法的性能。仿真GPS信號從“GPSdata-DiscreteComponents-fs38_192-if9_55.bin”中提取得到。在實驗中,設(shè)定螞蟻群集的個體數(shù)為5～10的隨機數(shù),螞蟻個體間按照如圖2所示,根據(jù)式(2)建立機會網(wǎng)絡(luò)架構(gòu)。GPS發(fā)送端的信號漂移軌跡遵循如圖3所示約束條件。該信號軌跡近似固定向東南反向以0 m/s～50 m/s的速度直線漂移。螞蟻群集的整體運動軌跡與 GPS 衛(wèi)星發(fā)送端在二維平面上的方向夾角為10°～35°的隨機數(shù)。其他實驗參數(shù)如表1所示。

表1 實驗參數(shù)

其中,PS表示GPS信號功率。GPS弱信號產(chǎn)生模型如式(7)所示。

(7)

圖5給出了機會螞蟻群集算法(記為OAC)與靜態(tài)螞蟻群集算法(記為SAC)的平均執(zhí)行時間對比結(jié)果。其中,橫坐標是被激活的螞蟻個體數(shù)。從圖5中可以發(fā)現(xiàn),螞蟻群集網(wǎng)絡(luò)系統(tǒng)在外界干擾因素的信號輸入機會權(quán)重系數(shù)δ和信號時變軌跡的信號輸出機會權(quán)重系數(shù)ρ的機會控制下,不僅可以有效消除外界干擾和準確獲得信號漂移軌跡,還具有較高的實時性,為捕獲GPS弱信號并進行有效跟蹤提供了基礎(chǔ)。

圖5 2種算法平均執(zhí)行時間結(jié)果對比

跟蹤精度和信號采集敏感度對比結(jié)果如圖6、圖7所示。從圖6可以看出,一方面驗證了弱信號的存在對GPS信號跟蹤采集的影響較為嚴重,NE-WS算法未有效提取弱信號而使得敏感度急劇下降。敏感度的下降直接導(dǎo)致跟蹤精度在食欲上始終處于低谷,如圖7所示。然而,MDF算法有效地提取GPS弱信號,并基于多頻段加以融合,所以具有高敏感度和跟蹤精度。

圖6 2種算法敏感度結(jié)果對比

圖7 2種算法跟蹤精度結(jié)果對比

4 結(jié)束語

有效獲取GPS弱信號,消除各種噪聲干擾和抵消信號失真是改善惡劣復(fù)雜環(huán)境的GPS定位與跟蹤性能的重要保障。本文以螞蟻群集信號檢測與跟蹤元數(shù)據(jù)為研究對象,通過獲取多時空、高維度的螞蟻群集網(wǎng)絡(luò)的隨機分布,基于信號的隨機軌跡機會地控制螞蟻個體狀態(tài)。獲取機會螞蟻群集網(wǎng)絡(luò)的GPS信號頻域表征后,生成GPS弱信號多頻段融合體,并提出多頻段融合GPS弱信號跟蹤采集算法。仿真實驗結(jié)果表明,該算法與靜態(tài)螞蟻群集算法相比執(zhí)行時間更短,與未提取GPS弱信號的跟蹤采集算法相比具有更高的跟蹤精度和信號采集敏感度。

[1] 高斌斌.煤礦員工考勤與井下人員定位系統(tǒng)的研究[J].機械工程與自動化,2015(6):163-164.

[2] 王 汐,周少武,曾照福,等.微小型群機器人室外組合定位系統(tǒng)與方法[J].計算機工程與應(yīng)用,2015,51(15):261-265.

[3] 鄧承剛,李國徽,楊 浩,等.基于指引因子螞蟻算法的仿真資源分配策略[J].華中科技大學(xué)學(xué)報(自然科學(xué)版),2015,43(9):1-6.

[4] GHANI H A,HAMZAH M H,SYAHALI S,et al.Ant-colony Algorithm with Interference Cancellation for Cooperative Transmission[J].IET Signal Processing,2016,10(6):603-610.

[5] 毛昱天,陳 杰,方 浩,等.連通性保持下的多機器人系統(tǒng)分布式群集控制[J].控制理論與應(yīng)用,2014,31(10):1393-1403.

[6] 楊盼盼,劉明雍,雷小康,等.群集系統(tǒng)分群行為建模與控制研究進展[J].控制與決策,2016,31(2):193-206.

[7] 褚福芳,楊洪勇.具有干擾的多自主體系統(tǒng)的群集運動與速度同步[J].復(fù)雜系統(tǒng)與復(fù)雜性科學(xué),2015,12(1):85-91.

[8] 胡 雨,謝 凱, 阮寧君,等.基于三維曲波變換的弱信號恢復(fù)方法研究[J].計算機工程與應(yīng)用,2016,52(18):199-202.

[9] 芮國勝,劉林芳,張 嵩,等.變相位周期策動力杜芬振子弱信號檢測方法[J].電子測量與儀器學(xué)報,2015,29(11):1662-1668.

[10] 衛(wèi) 潔,范勝林,周 超,等.多徑干擾下GPS弱信號跟蹤算法研究[J].云南民族大學(xué)學(xué)報(自然科學(xué)版),2014,23(5):373-378.

[11] 董世明,陳一民,黃 晨,等.基于壓縮感知的長時間實時跟蹤技術(shù)研究[J].計算機應(yīng)用與軟件,2015,32(5):207-211.

[12] ZHU C,FAN X.A Novel Method To Extend Coherent Integration for Weak GPS Signal Acquisition[J].IEEE Communications Letters,2015,19(8):1343-1346.

[13] LANG R,LI X,GAO F,et al.Re-scaling and Adaptive Stochastic Resonance as a Tool for Weak GNSS Signal Acquisition[J].Systems Engineering and Electronics,2016,27(2):290-296.

[14] BRAHIM F,CHONAVEL T,TRUBUIL J,et al.Precise Acquisition of Global Navigation Satellite System Signals in the Presence of Multipath and Influence on Tracking Capability[J].IET Radar Sonar Navigation,2015,9(7):790-801.

[15] GAO Z,DAI L,WANG Z,et al.Spatially Common Sparsity Based Adaptive Channel Estimation and Feedback for FDD Massive MIMO[J].IEEE Transactions on Signal Processing,2015,63(23):1.